saaaaa人工智能(存儲版)
【正文】 交配的建立和CEA實驗室直接進(jìn)行的，因為在這些建立中只有一個種群。在我們實驗中，我們改變遷徙時間間隔，遷徙尺寸。該Multikulti配置被標(biāo)記為“MK1”到“MK5”。Ⅴ 結(jié)果窗體頂端在本文中，我們測試了1個隨機(jī)交配的配置，有使用的是“最好的選擇”選擇方案的孤島模型的5個配置，使用Multikulti算法5個島模型配置，和6個使用細(xì)胞EA的配置。純39。有趣的是，注意到有更多島嶼的配置超過20代后在表型多樣性方面表現(xiàn)的更好。CEA配置CEA2和CEA3在第11和13代附近出現(xiàn)了一個一般多樣性的峰值。窗體頂端在我們的介紹中，我們提到，本文是關(guān)于在EvoArt中種群的多樣性系列中第二篇。在圖5中，我們在每一個配置的最后一代（第20代）呈現(xiàn)了一個正常化的得分。當(dāng)我們看的基因型多樣性的進(jìn)展超過20代時，我們看到以下現(xiàn)象。這些步驟由遷移時間間隔引起的，以及每個步驟的長度對應(yīng)于遷移間隔的長度（或3或5）。當(dāng)使用IM時，用Multikulti的IM或CEA，表型多樣性要么保持相同（如在Multikulti配置MK4和MK5），或慢慢地減?。∕K1，MK2，MK3，IM3和IM5）。在我們的CEA實驗4和5（cea4，cea5，見表5），我們分別使用328和644的布局。距離是使用Stricker和Orengo 圖像距離函數(shù)（見IVB）來計算。為了對比自定義的基因操作和結(jié)構(gòu)化種群的使用，我們在一個隨機(jī)交配EA中用這些自定義的基因操作（我們稱這個配置為Pan2）做了另一個實驗。基因型多樣性和表型多樣性通過計算每個個體間的平均基因型距離（用在IVA所描述的我們的基因型距離函數(shù)）計算出來。計算需要多個步驟，詳見[20]。這個函數(shù)dso計算了兩個圖像Ia和Ib的距離通過計算兩個圖像的特征向量va和vb，窗體底端其中N是圖像的特征數(shù)量（在我們的實現(xiàn)中，N=12，看表Ⅰ上的12個圖像）。該度量由表達(dá)式節(jié)點的節(jié)點比較執(zhí)行節(jié)點，計算兩個表達(dá)式樹之間的距離。為表示樹（IVA部分）我們用Ek180。一個CEA有一個特定形式的結(jié)構(gòu)種群，例如，一維線，二維環(huán)，或2D網(wǎng)格（平坦或環(huán)狀的）。一些研究人員已經(jīng)報道了用IM所得的有希望的結(jié)果，但使用的IM附帶額外的復(fù)雜性。Ⅲ 結(jié)構(gòu)化種群窗體頂端在一個規(guī)范的EA中個人的選擇為交叉和變異通常是涉及整個種群的，這就是所謂的隨機(jī)交配模型。Araujo和Merelo用喜歡“不同的”個體交換（相對于在傳統(tǒng)的個體被交換的策略）擴(kuò)展了標(biāo)準(zhǔn)孤島模型EA；他們命名他們的算法M為ultikulti算法[3]。Ⅱ相關(guān)工作窗體頂端在EC中維持種群的多樣性是一個重要的話題，關(guān)于這個專題的文獻(xiàn)是廣泛的。在以往的工作中，我們調(diào)查了自定義交叉，變異和初始化對人口密度的影響。出于這個原因，我們認(rèn)為，人口的多樣性是一個重要的問題在監(jiān)督和無監(jiān)督的進(jìn)化藝術(shù)中。組合創(chuàng)意是通過組合現(xiàn)有想法以意想不到的方式創(chuàng)造新意的過程。種群多樣性的喪失會導(dǎo)致效率低下的搜索行為，并可能導(dǎo)致過早收斂。）在我們的孤島模型實驗中，我們使用了不同的參數(shù)來設(shè)置島嶼的數(shù)目，島的規(guī)模，遷移間隔，遷移大小和初始化方法。為了達(dá)到這個目的，我們用使用了隨機(jī)交配模型的美化圖片的無監(jiān)督進(jìn)化（在這循環(huán)中未使用人類）進(jìn)行了幾個實驗，其中這個模型是一個分布式孤島模型（一個最優(yōu)選擇模式和一個目標(biāo)算法。人口的多樣性是在群體中個體差異的數(shù)量，并且在一般的EC和EvoArt中是特別重要。Margaret Boden描述了三個方面的創(chuàng)新：組合，探索和有變革性的創(chuàng)意。需要探索任務(wù)中EvoArt系統(tǒng)連續(xù)大種群的多樣性，既為無監(jiān)督EvoArt系統(tǒng)和IEC EvoArt系統(tǒng)。本文是在一系列維持人口多樣性進(jìn)化藝術(shù)方面中第
化學(xué)相關(guān)推薦
鄂ICP備17016276號-1